YGO-Agentフレームワークは、研究者や愛好家が強化学習を用いてYu-Gi-OhカードゲームをプレイするAIボットを開発できるようにします。これにより、YGOPROゲームシミュレータをOpenAI Gym互換の環境にラップし、手札、場、ライフポイントなどの状態表現、および召喚、魔法/罠の発動、攻撃などのアクション表現を定義します。報酬は勝敗結果、与えたダメージ、ゲームの進行に基づきます。エージェントのアーキテクチャはPyTorchを使用してDQNを実装し、カスタムネットワーク構造、経験リプレイ、イプシロン・グリーディ探索も選択可能です。ログ記録モジュールはトレーニング曲線、勝率、詳細な手のログを記録し、分析に役立てます。フレームワークはモジュール式で、報酬関数やアクション空間などのコンポーネントを置き換え・拡張できるようになっています。

AzulゲームAIエージェントは、Azulのボードゲーム競技向けに特化したAIソリューションです。Pythonで実装され、ゲームの状態をモデル化し、決定論的な枝刈りのためにMinimax検索を適用し、確率的な結果を探索するためにモンテカルロ木探索を利用します。カスタムヒューリスティックを用いて盤面を評価し、高得点を得るタイル配置パターンを優先します。ヘッド・トゥ・ヘッドのトーナメントモードやバッチシミュレーション、結果ロギングに対応し、パフォーマンス分析を行います。ユーザーはアルゴリズムのパラメータを調整したり、カスタムのゲーム環境と連携したり、意思決定木を可視化して手の選択過程を理解できます。